tensorflow模型保存与载入

用Tensorflow做一些事情，最近遇到的问题是训练到的模型怎么用？

网上搜了一下，最常用的就是使用tf.train.Saver()定义saver变量，然后分别使用saver.save()和saver.restore()载入。

保存代码：

saver = tf.train.Saver() 
with tf.Session() as sess: 
  sess.run(init) 
  save_path = saver.save(sess,"results/model") 

保存后，在results目录会生成四个文件：

• checkpoint：该文件记录了模型文件的路径信息
• model.data-00000-of-0001：网络权重信息
• model.index：二进制文件，保存了模型中的变量参数信息
• model.meta：保存了模型的计算图结构信息

tensorflow版本是1.14.0，若tf2.0，因为不再用计算图了，应该会有所不同，以后用到再说。

当然，还可以将中间的训练数据保存下来，而不仅保存最终状态：

saver.save(agent.sess, 'result\\model',global_step=i,write_meta_graph=True)

加上global_step后在迭代过程中保存模型，会在模型文件后加上“-i”，生成一系列的文件。载入的时候可以载